Cross-sample augmentation

• 두 개 이상의 샘플을 결합하여 새로운 훈련 샘플을 생성하는 방법을 의미합니다. 이러한 기법은 일반적으로 과적합을 방지하고 모델의 일반화 성능을 향상시키는 데 도움을 줍니다.
• MixUp과 CutMix는 대표적인 Cross-sample augmentation 기법들입니다:

MixUp:

• MixUp은 두 개의 임의의 입력 샘플과 그에 해당하는 레이블을 선형적으로 혼합합니다.
  

CutMix:

• CutMix는 두 이미지를 합치되,
  • 하나의 이미지에서 임의의 사각형 영역을 잘라내고,
  • 다른 이미지의 동일한 위치에 그 잘라낸 부분을 붙여넣는 방식으로 작동합니다.
• 레이블 또한 MixUp과 유사한 방식으로 선형적으로 혼합됩니다.
  • 그러나 혼합의 정도는 잘라낸 사각형의 면적에 비례합니다.

• 이러한 Cross-sample augmentation 기법들은 딥러닝 모델을 훈련할 때 다양한 데이터 분포와 상황에 노출시키므로, 모델이 더 강인하고 일반화 능력이 높아질 수 있습니다.